En los últimos años, las placas de refrigeración líquida modulares se han aplicado ampliamente en los sistemas de disipación de calor de equipos electrónicos navales. Mientras se garantiza la capacidad de suministro de frío, prevenir la condensación en la superficie de las placas de refrigeración líquida es fundamental para el funcionamiento seguro del equipo electrónico. Este estudio experimental investigó los cambios dinámicos de la temperatura de la superficie de las placas de refrigeración bajo diferentes condiciones de enfriamiento y el fenómeno de condensación, y estableció un modelo híbrido que combina una red neuronal convolucional (CNN) y una red de memoria a largo y corto plazo (LSTM) (CNN-LSTM) para predecir la temperatura de las áreas propensas a condensación en la superficie de las placas. Los resultados indican que las áreas propensas a condensación están influenciadas por el efecto de borde, y que durante el descenso de temperatura al punto de rocío antes de la condensación real ocurre fenómenos de superenfriamiento y retraso en la condensación. Al mismo tiempo, el error absoluto medio (MAE) de la predicción de temperatura del modelo CNN-LSTM disminuyó un 41,7% y 48,8% en comparación con los modelos CNN y LSTM respectivamente; el error cuadrático medio (RMSE) se redujo un 40,7% y 49,1%; y el coeficiente de determinación R² también fue mejor que en los modelos CNN y LSTM.

placa de refrigeración;lucha contra la condensación;cambio dinámico de temperatura;predicción de temperatura